1-3 : 데이터 수집과 처리

0. 복습하기

🔁 지난 시간 복습

• KPI 체계
  • North Star 1개
  • 핵심 KPI 3-5개
• 주요 KPI
  • 유입: CAC, 전환율
  • 활성: DAU/MAU, 리텐션
  • 수익: ARPU, ARPPU, LTV

💡 그런데 이 숫자들은 어디서 나올까?

 

1. 왜 데이터를 수집하나

😰 흔한 상황

• 마케터: "이번 달 전환율이 얼마예요?"
• 개발자: "전환 측정을 안 해놔서 모릅니다"
• 마케터: "그럼 지금 해주세요!"
• 개발자: "해도 과거 데이터는 못 봅니다"

🔥 문제

1. 측정하지 않으면 알 수 없음
2. 과거 데이터는 되돌릴 수 없음
3. 필요할 때 데이터가 없으면 의사결정 불가
4. 데이터 기반 의사 결정은 객관적인 근거를 제시

🎯 데이터 수집의 목적

1. 현재 상황 파악

• 지금 몇 명이 우리 서비스를 쓰는가?
• 어떤 기능을 많이 쓰는가?

2. 문제 발견

• 어디서 사용자가 떠나는가?
• 언제부터 문제가 시작됐는가?

3. 개선 확인

• A/B 테스트 효과가 있었나?
• 개선 전후 차이가 얼마나?

 

2. 로그란 무엇인가

📝 로그의 개념

• 로그(Log) : 사용자의 행동을 기록한 데이터
• 일상 속 로그
  • 은행 거래 내역
  • 전화 통화 기록
  • 유튜브 시청 기록

👀 예시

• 마케터: "그럼 지금 해주세요!"
• 개발자: "해도 과거 데이터는 못 봅니다"
• 마케터: “넵 그럼 앞으로라도 로그 쌓아주세요!"
  → 로그를 남긴 후 필요한 정보를 데이터화

 

로그 예시 살펴보기

쇼핑몰

🧑🏻 사용자가 한 행동

1. 앱 실행
2. 검색창에 "무선 이어폰" 입력
3. 상품 클릭
4. 장바구니 추가
5. 결제 완료

📝 기록되는 로그

시간: 2025-10-16 14:23:45
사용자: user_12345
행동: 장바구니 추가
상품: 무선 이어폰
가격: 59,000원

-> 위 정보는 보통 자바스크립트를 통해 자동으로 수집
-> 자바스크립트는 웹 브라우저에서 실행되는 언어
-> 사용자의 클릭·스크롤·입력 같은 행동을 실시간으로 감지하고 서버로 전송

 

 

좋은 로그 만들기

1. 명확한 이름

🙅🏻 나쁜 예시

• click
• button_1

🙆🏻 좋은 예시

• 장바구니_추가
• 결제_완료
  → 이벤트_처리로 보통 표기합니다. 이를 텍소노미라 합니다.

 

2. 필요한 정보 포함

📌 기본 3가지

• 누가: user_12345
• 언제: 2025-10-16 14:23:45
• 무엇을: 장바구니 추가

📌 추가 정보

• 상품명, 가격, 카테고리 등

 

이벤트 설계 예시

쇼핑몰 핵심 이벤트

단계	측정할 행동
유입	앱 실행, 페이지 방문
탐색	상품 목록 조회, 검색
관심	상품 상세 조회
의도	장바구니 추가
구매	결제 완료

 

유튜브 같은 콘텐츠 앱(예시)

단계	측정할 행동
유입	앱 열기
탐색	피드 스크롤
관심	영상 클릭
참여	영상 재생, 시청 시간
확산	좋아요, 공유

 

 

3. 데이터가 분석되기까지

전체 흐름

1단계: 사용자가 행동한다
   ↓
2단계: 로그로 기록된다
   ↓
3단계: 데이터가 정리된다
   ↓
4단계: 저장소에 쌓인다
   ↓
5단계: 분석 툴로 본다

 

1️⃣ 사용자 행동

• 사용자가 클릭, 구매, 검색 등을 함

 

2️⃣ 로그 수집

수집 방법

• 웹사이트
  • GA4 태그 설치
  • 특정 코드 심기 (Google Tag Manager)
• 모바일 앱
  • SDK 설치 (Amplitude 등)
  • 개발자가 코드 추가

예시

사용자가 "구매 버튼" 클릭
→ 코드가 자동으로 기록
→ "결제_완료" 이벤트 발생

 

 

3️⃣ 데이터 정리 (ETL)

데이터는 아래 플로우로 정리됩니다

ETL = Extract + Transform + Load

• 쉽게 말하면: 수집 → 정리 → 저장

 

Extract (수집)

여러 곳에서 데이터 모으기

데이터 출처
- 웹사이트 로그
- 앱 사용 로그
- 광고 플랫폼 (Google Ads, Meta Ads)
- 내부 시스템 (주문 DB, 회원 DB)

 

 

Transform (정리)

데이터를 깔끔하게 정리

정리 작업
- 중복 제거
- 빈 값 처리
- 형식 통일 (2025/10/16 → 2025-10-16)
- 계산 추가 (나이 28 → 연령대 20대)

 

예시

[정리 전]
구매금액: 59000원
날짜: 2025/10/16

[정리 후]
구매금액: 59000
구매금액_달러: 44.25
날짜: 2025-10-16
구매_요일: 수요일

 

 

Load (저장)

정리된 데이터를 저장소(웨어하우스)에 보관

저장소 종류
- 데이터 웨어하우스 (BigQuery, Redshift)
- 분석 툴 (GA4, Amplitude)

 

 

4️⃣ 저장 및 관리

• 큰 창고에 데이터 보관
• 언제든 꺼내서 볼 수 있게

 

5️⃣ 분석 및 활용

• 저장된 데이터로 대시보드 만들기(BI : Business Intelligence)
• 데이터 시각화 툴 (Looker Studio, Tableau 등)
• KPI 확인하기
• 인사이트 발견하기

 

규모별 구성

작은 회사

[웹/앱]
   ↓
[GA4] - 무료, 간단
   ↓
[GA4 대시보드] - 클릭으로 확인

• 장점: 마케터가 직접 데이터 관리 및 접근, 빠르고 쉬움
• 단점: 커스텀 제한

 

큰 회사

[웹/앱/서버]
   ↓
[자체 수집 시스템]
   ↓
[데이터 정리]
   ↓
[저장소 (BigQuery)]
   ↓
[대시보드 (Looker)]

• 장점: 원하는 대로 분석
• 단점: 개발팀, 데이터팀 통해 전달 받음, 비용 및 관리 필요

 

실습: 이벤트 설계하기

---

실습 1: 온라인 강의 플랫폼

💪🏻 목표

강의 완강률 높이기

 

😓 문제

• 강의는 잘 팔리는데 완강률 15%
• 어디서 포기하는지 모름

🎒 미션: 측정할 이벤트 5개 정하기

퍼널 단계별로 생각해보기

단계	측정할 행동
가입완료
강의클릭
구매
수강완료
재구매

---

실습 2: 배달 앱

💪🏻 목표

재주문율 높이기

 

😓 문제

• 재주문율을 높여야 함
• 누가 재주문할지 모름

🍔 미션: 재주문과 관련된 행동 찾기

재주문할 사람은 어떤 행동을 할까?

행동 1:
행동 2:
행동 3:

예시 답안

---

실습 1: 온라인 강의 플랫폼

퍼널 단계별로 생각해보기

단계	측정할 행동
가입완료	가입 완료시
강의클릭	강의 클릭시
구매	강의 구매 완료 시
수강완료	영상 시청 완료 (80% 이상 시청)
재구매	두 번째 강의 구매

이렇게 측정하면

• 완강률 계산 가능
• 이탈 구간 파악 가능

---

실습 2: 배달 앱

재주문할 사람은 어떤 행동을 할까?

행동 1: 방문 기록이 많을 경우 → 측정) 앱 실행 횟수

행동 2: 음식점 목록을 많이 볼 경우 → 측정) 음식 카테고리 내 체류시간 조회

행동 3: 누적 이용 금액이 많을 경우 → 측정) 구매내역 조회

 

활용 방법

• 위 행동을 한 사람에게 할인 쿠폰 푸시

 

4. 마무리

핵심 요약

1. 데이터 수집의 흐름
   • 사용자 행동 → 로그 기록 → 정리 → 저장 → 분석
2. 로그란
   • 사용자의 행동을 기록한 데이터
   • 측정 안 하면 알 수 없음
3. ETL 프로세스
   • Extract (수집) → Transform (정리) → Load (저장)
4. 핵심은 이벤트 설계
   • 무엇을 측정할지 먼저 정하기
   • 퍼널 단계별로 생각하기

 

✅ 체크리스트

• 우리 서비스의 핵심 퍼널 5단계 정리
• 각 단계에서 측정할 이벤트 정의
• 현재 측정되고 있는지 확인(GA4)
• 없으면 개발팀에 요청

 

⚠️ 주의사항

1. 모든 클릭을 다 측정 ❌
   ⇒ 핵심 행동만 측정(핵심 퍼널) ⭕
2. 나중에 필요하면 측정 ❌
   ⇒ 미리 측정해두기 (과거 데이터 못 봄) ⭕
3. 복잡한 이름 ❌
   ⇒ 누가 봐도 이해되는 이름 ⭕

측정하지 않으면 개선할 수 없다